数据治理到底应该怎么做？看看这些年我踩过的坑就知道了

IT行业真是内卷重灾区，数据治理真的不是一般人能干的。

 

尤其是最近一段时间，几个项目一起并行，身心俱疲，头都要开始秃了。

 

很长一段时间以来，整体经济形势都不太乐观，行业内好几家头部公司都出现了利润下滑的情况。作为公司管理者，营收压力也越来越大，让公司活下来成了我唯一要做的事。

 

虽然各公司老板们对数字化转型抱有很大期待，希望通过数据治理等一系列动作，应对复杂的经济形势，提高生产效率，深入挖掘数据价值，找出业务增长点。

 

理想是丰满的，但现实却总是骨感的。

 

实际上，客户们对数据治理的态度都是「想要，但是我不想多花钱」

 

数据治理，虽然不像数字化转型，是一个费时费力的大工程。但仍然需要花费不小的精力去实施，在这个过程中也经常会遇到各种各样的困难。

 

我总结下来，大致是这4点：

 

1

业务：数据治理的前置条件不成熟

 

很多客户，由于历史原因，只完成了信息化建设，确切地说仅仅是把线下的业务流程搬到了线上而已。数据呈现形式，很多还停留在报表的水平。

 

部分客户上了BI系统，但BI其实只能称作是一个分析工具，它只能带来效率提升，并没有办法直接提升生产力。
 

 

多年实施下来，我们发现数据治理的工作，其实除了围绕数据开展之外，更多是在颠覆或者说是改造业务流程。

 

而在数据治理过程中，经常会感受到来自各个相关部门的阻力，“不需要”成了他们的挡箭牌。虽然有老板力挺，但还是经常老板说一下，他们动一下。

 

这种情况，不止一次地发生。说到底，还是业务人员并没有意识到数据治理的重要性，也没有看到数据治理的价值。

 

如果业务人员能够自身觉醒，就完美了。他们对自己的业务和流程最为清楚，我们在推进数据治理时就容易多了。

 

2

数据：数据归集短期很难实现共赢

 

如果业务人员能够自身觉醒，就完美了。他们对自己的业务和流程最为清楚，我们在推进数据治理时就容易多了。

 

虽然我做了十多年接近二十年的数据工作。

 

还是经常会在服务客户的时候发现，不止一家企业的数据采集存在问题。

 

要么是有价值的数据没有被采集，等到业务需要的时候，没有数据干着急；

 

要么是采集了很多自以为很有价值的数据，结果却发挥不了数据的价值。

 

数据的采集，一般都是伴随业务需求而产生的。

 

想要做好数据治理，数据归集也是很重要的一个环节。

 

在以往服务客户时，我们要一边跟业务人员了解业务，根据得到的业务需求来提炼数据需求，然后再根据这些需求去定义数据标准，最后才去采集数据。

 

但事情往往都不会那么顺利。我们很难从业务部门处拿到数据治理必须的数据，经常会被各种理由和接口推脱，导致最终数据治理的效果差强人意。

 

虽然很遗憾，但实际情况就是这样。数据对业务部门来说就是其私有财产，是个很重要的存在，他们不希望数据被采集，被更多的人知道。

 

另外一方面，数据采集的过程会伴随很多棘手的问题。随便一个问题都够掉几根头发的。

 

“数据采集之前，数据标准怎么定义？”“数据采集规则是怎样的？”“有些数据没有现成的接口怎么办？”“还有很多数据是非结构化数据怎么办？”

 

3

角色：数据治理团队的地位很尴尬

 

我们都知道，数字化的前提是信息化，即业务流程实现在线化。

 

只有这样，业务流程中产生的数据才能被记录存储下来，而这些留存数据才是后续数据采集和治理的前提。

 

数据治理团队做的，就是通过研究这些数据，去优化业务流程，为管理层决策提供数据支持，最终为企业创造效益。

 

然而实际上，设计在线业务流程的人员往往只关注了流程，却没有站在全局角度去考虑数据问题。同样一个数据，在不同系统中的定义却不一样。

 

这就给数据治理带来了极大地困难。这也是我们在服务客户的时候经常会首先讨论数据标准的原因。

 

道理是这么个道理，我们也知道应该怎么推动。但这些工作仅靠我们自己又干不成，需要业务部门提供支持，存在不小的依赖性。

 

不仅需要向业务部门了解业务和流程；还要以来业务部门给提供数据，这样才能发现问题、分析问题，建立数据模型；最后需要把数据模型部署到业务流程上，来验证数据治理的效果。

 

凡是需要外力配合的情况，都会比较被动。这也使得数据治理人员必须具备很强的协调沟通表达能力，需要有足够的耐心和毅力，只有这样才能更好地实现“鲤鱼跳龙门”。

 

4

人才：找不到可用的数据人才

 

就拿我们公司来说，数据相关的岗位就有很多：数据治理工程师、项目经理、数据分析工程师、数据建模工程师、数据采集工程师、3D建模工程师等。

 

不同专业口的数据从业人员，培养的周期都是不同的。

 

一般的数据开发实施人员，培养起来相对比较简单。只要愿意下功夫，可以跟导师学习，只要有大量的实践机会，就能够不断总结提升水平。

 

但是培养一个数据治理/分析工程师就难太多了。因为他不仅要懂数据技术，还要理解企业的业务和数据，还得能适应企业的变化与时俱进。此外，良好的沟通和表达能力也是必不可少的。培养这样一个人才至少需要5-10年。

 

培养数据管理人员就更难了，光是工作经验就能劝退一大帮人。

 

因为作为数据管理人员，综合能力要求更高。至少要有数据仓库的开发和运维经历、BI的经历、数据分析和挖掘的经历、甚至要有丰富的数据产品实施服务的经历。

 

只有经历足够丰富，深度参与数据治理的各个环节，你才能真正理解数据治理到底难在哪里，才能根据客户的需求和数据情况，给出综合的数据解决方案。

 

简单总结一下，数据管理人员要懂业务、懂数据、懂技术、懂管理，基本上符合这些条件的人，一个公司不会超过5个。

 

正是因为数据人才难培养，导致了市场的稀缺性，哪里都缺样的人才。这也致使数据人才一旦流失很难再招聘一个相同水平的人补上。

 

客户选择我们，就是让我们来解决问题的。

 

办法总比困难多。

 

今天就先聊这么多，欢迎大家补充和批评。
来源：许可数字说